No aparece Chillan ni Chillan viejo!
library(knitr)
library(kableExtra)
library(janitor)
library(dplyr)
library(readxl)
library(xlsx)
# la siguiente linea impide el despliegue de advertencias en forma local:
options(warn = -1)
library(tidyverse)
library(gghighlight)
library(magrittr)
library(readr)
library(ape)
library(ggdendro)
library(rmarkdown)
library(ggplot2)
library(gganimate)
library(lubridate)
theme_set(theme_bw()) covid19 <-
read_xlsx(
"C:/Users/usuario/Documents/GitHub_Personal/Bases_de_Datos_DS/data_madre_r0_panama_27_07_20_2.xlsx"
)
# covid19 <- covid19 %>% filter(Corregimiento == "Alanje (Cabecera)")
# covid19
R0_v <- c()
comuna_v <- c()
codigo_comuna_v <- c()
a <- 0
s <- 0
s_v <- c()
y_bueno <- c()
Fecha <- as.Date(covid19$Fecha, origin = "1899-12-30")ux <- unique(covid19$"CD_Corr")
for(t in ux)
{
# susceptibles.por.dia2 <- 0
if (t != "No Informado")
{
comuna_en_cuestion = covid19[covid19$"CD_Corr" == t, ]
longitud = nrow(comuna_en_cuestion)
comuna <- comuna_en_cuestion$Corregimiento
codigo_comuna <- comuna_en_cuestion$"CD_Corr"
dia <- comuna_en_cuestion$"DIA"
fecha <- comuna_en_cuestion$Fecha
if (nrow(comuna_en_cuestion) != 0 &&
(comuna_en_cuestion$"PoblaciĆ³n" != 0))
{
population = as.numeric(comuna_en_cuestion$"PoblaciĆ³n")
infectados.por.dia =
aggregate(comuna_en_cuestion$"Nuevos Confirmados" ~
comuna_en_cuestion$Fecha,
FUN = sum)
fallecidos.por.dia =
aggregate(comuna_en_cuestion$"Nuevos Fallecidos" ~
comuna_en_cuestion$Fecha,
FUN = sum)
infectados.por.dia2 =
infectados.por.dia[, 2] + fallecidos.por.dia[, 2]
recuperados.por.dia =
aggregate(comuna_en_cuestion$"Nuevos Recuperados" ~
comuna_en_cuestion$Fecha,
FUN = sum)
# susceptibles.por.dia debe ir acumulando
susceptibles.por.dia = population - infectados.por.dia2 - recuperados.por.dia[, 2]
# Creamos la tabla SIR:
tabla.comuna =
data.frame(
unique(comuna_en_cuestion$Fecha),
susceptibles.por.dia,
infectados.por.dia2,
recuperados.por.dia[, 2],
population
)
names(tabla.comuna) =
c("Fecha",
"Susceptibles",
"Infectados",
"Recuperados",
"Poblacion")
x = tabla.comuna$Recuperados
y = population * log(tabla.comuna$Susceptibles)
}
}
# susceptibles.por.dia debe ir acumulando la resta de infectados
for (t in 1:nrow(comuna_en_cuestion))
{
s <<- s + tabla.comuna$Infectados[t] + tabla.comuna$Recuperados[t]
s_v[t] <- tabla.comuna$Poblacion - s
y_bueno[t] = population * log(s_v[t])
}
dataf = data.frame(s_v, tabla.comuna$Infectados, y_bueno, tabla.comuna$Recuperados)
print(dataf)
m <- seq(2, longitud)
for (i in m)
{
xx <- tabla.comuna$Recuperados[1:i]
yy <- y_bueno[1:i]
estimacion.R0 = -summary(lm(yy ~ xx))$coefficients[2]
R0_v[i] <- estimacion.R0
comuna_v <- comuna
codigo_comuna_v <- codigo_comuna
fecha_v <- fecha
dia_v <- dia
}
eee <-
data.frame(comuna_v, R0_v, codigo_comuna_v, fecha_v, dia_v, comuna_en_cuestion$"Nuevos Confirmados", comuna_en_cuestion$"Nuevos Fallecidos", comuna_en_cuestion$"Nuevos Recuperados",
comuna_en_cuestion$"PoblaciĆ³n" )
print(eee)
write.table(
eee,
'R0_panama_por_corr.csv',
col.names = F,
append = T,
sep = ","
)
R0_v <- c()
comuna_v <- c()
codigo_comuna_v <- c()
a <- 0
s <- 0
s_v <- c()
y_bueno <- c()
}